/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
MIT
Архитектура
rwkv7_babylm · dense
Библиотека
transformers
Опубликована
12 июн 2026

rwkv7-halfclm-strict-small

Генерация текстаТекст → текст3 профессии

Небольшая рекуррентная языковая модель RWKV-7, обученная с нуля для генерации текста и исследований в рамках BabyLM Strict-Small.

32скачиваний за 30 дней0лайковвеса обновлены12 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

RWKV-7 Half-CLM — BabyLM 2026 Strict-Small — это языковая модель примерно на 28 млн параметров, разработанная для основного конкурсного submission в треке BabyLM 2026 Strict-Small. Модель обучена с нуля на корпусе BabyLM Strict-Small объёмом 14,87 млн токенов с токенизатором BPE на 32 тыс. токенов. Она использует плотную рекуррентную архитектуру RWKV-7 и авторегрессионное предсказание следующего токена без дополнительных обучающих целей.

Модель предназначена для генерации текста и экспериментов с небольшими языковыми моделями, в том числе для оценки языковых способностей на задачах BabyLM. При обучении применялся режим halved CLM exposure: на нечётных шагах расписание скорости обучения продвигалось без обновления градиентов. В реализации используется приближённое chunked WKV-7 ядро с размером блока 64; автор сообщает результаты официального конвейера BabyLM и отдельно отмечает низкий результат на Entity Tracking. Для загрузки через Transformers README указывает trust_remote_code=True. Лицензия — MIT.

Сценарии применения

  • генерация текста небольшой языковой моделью
  • сравнение языковых моделей на бенчмарках BabyLM
  • эксперименты с рекуррентными авторегрессионными моделями
  • оценка грамматических знаний на задачах BLiMP

Ограничения

Модель обучена на небольшом корпусе BabyLM Strict-Small и рассчитана на ограниченный масштаб задач; в README отмечен низкий результат Entity Tracking — 19,98. Реализация использует раскрытое авторами приближение chunked WKV-7.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

RWKV-7 Half-CLM — BabyLM 2026 Strict-Small

A ~28M-parameter RWKV-7 recurrent (subquadratic) language model trained from scratch on the BabyLM 2026 Strict-Small corpus (14.87M tokens, 32K BPE). Causal CLM, zero auxiliary objectives. Inference is a single forward (CLM) pass.

This is the primary competitive submission for the BabyLM 2026 Strict-Small track and the headline model from Halved CLM Exposure Mitigates Late-Training Collapse in Small Recurrent Language Models.

Method

Identical RWKV-7 architecture trained with halved CLM exposure: odd optimizer steps advance the learning-rate schedule without applying a gradient update ("step-skipping"). This reduced update pressure prevents the late-training collapse that the full-exposure baseline suffers, and does so without any auxiliary objectives (no MLM, MTP, or n-gram heads).

Performance (official BabyLM 2026 pipeline, strict-small)

Scores below are from a clean, end-to-end re-run of the official evaluation pipeline (evaluation_pipeline.sentence_zero_shot / reading / finetune), zero manual editing of predictions.

All scores come from a single, self-consistent re-run (one set of predictions, no cherry-picking across runs):

MetricScore
BLiMP (filtered)68.70
BLiMP Supplement57.24
EWoK1.53 (form-degenerate; shared by all non-baseline teams)
Entity Tracking19.98 (near-chance; see note)
COMPS52.55
Reading0.86
GLUE58.72
AoA~0
Text Average (8-col)32.45

Note on Entity Tracking. Run through the official pipeline, these weights score 19.98 on the full ET set, and the number is deterministic: three independent re-runs give 19.98, and applying first-index versus random tiebreaks to the same captured log-probs gives 19.98 either way (100 random draws, std 0.00). Internal evaluation corroborates it (~18.6 at step 18k). An earlier standing submission recorded ET ~42, but that figure is not reproducible from these released weights and we do not carry it forward. We report 19.98, the model's actual output.

Architecture

  • RWKV-7 (RWKV7ForCausalLM), 8 layers, n_embd 384, vocab 32,000
  • Chunked WKV-7 kernel (diagonal-only within-chunk decay, chunk_size 64) — disclosed approximation
  • Pure-PyTorch modeling for HF eval compatibility (ported from the MLX training implementation)

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained(
    "yashmahe2018/rwkv7-halfclm-strict-small", trust_remote_code=True
)
tokenizer = AutoTokenizer.from_pretrained(
    "yashmahe2018/rwkv7-halfclm-strict-small", trust_remote_code=True
)

Citation

From the BabyLM 2026 submission Halved CLM Exposure Mitigates Late-Training Collapse in Small Recurrent Language Models.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
RWKV7ForCausalLM
Ревизия весов
6db7487

0 моделей